Description of changes in clinical outcomes following the implementation of an antibiotic stewardship program in a level IV hospital / Descripción del cambio en desenlaces clínicos posteriores a la implementación de un programa de gestión de antibióticos en un hospital de cuarto nivel de atención en salud

Introduction. Inadequate prescription of antibiotics has been recognized as a public health problem by the World Health Organization. In this context, antibiotic stewardship programs have been implemented as a tool to mitigate its impact. Objective. To describe the changes in clinical outcomes after the implementation of an antibiotic stewardship program in a level IV hospital. Materials and methods. We conducted a unique cohort study of patients hospitalized for infectious pathologies that were treated with antibiotics in an advanced medical facility. We collected the clinical history before the implementation of the antibiotic stewardship program (2013 to 2015) and then we compared it to the records from 2018 to 2019 collected after the implementation of the program. We evaluated changes in clinical outcomes such as overall mortality, and hospital stay, among others. Results. We analyzed 1,066 patients: 266 from the preimplementation group and 800 from the post-implementation group. The average age was 59.2 years and 62% of the population was male. Statistically significant differences were found in overall mortality (29% vs 15%; p<0.001), mortality due to infectious causes (25% vs 9%; p<0.001), and average hospital stay (45 days vs 21 days; p<0.001); we also observed a tendency to decrease hospital re- admission at 30 days for infectious causes (14% vs 10%; p=0.085). Conclusions. The antibiotic stewardship program implemented was associated with a decrease in overall mortality and mortality due to infectious causes, as well as in average hospital stay. Our results evidenced the importance of interventions aimed at mitigating the impact of inadequate prescription of antibiotics.

Introducción. La inadecuada prescripción de antibióticos es un problema de salud pública, reconocido por la Organización Mundial de la Salud. Los programas de gestión de antibióticos son implementados como una herramienta para mitigar su impacto. Objetivo. Describir los cambios observados en los desenlaces clínicos después de la implementación de un programa de gestión de antibióticos en un hospital de IV nivel de atención. Materiales y métodos. Se llevó a cabo un estudio de cohorte única de pacientes hospitalizados por patologías infecciosas y tratados con antibióticos en una institución médica de alta complejidad. Inicialmente, se recolectaron las historias clínicas anteriores a la implementación del programa de gestión de antibióticos (2013 a 2015) y luego se compararon con los datos obtenidos después de la implementación del programa de gestión de antibióticos de 2018 a 2019. Se evaluaron los cambios en los desenlaces clínicos como mortalidad y estancia hospitalaria, entre otros. Resultados. Se analizaron las historias clínicas de 1.066 pacientes: 266 con historia previa a la implementación del programa y 800 con historia posterior a la implementación. El promedio de edad fue 59,2 años y 62 % de la población era masculina. Se encontraron diferencias estadísticamente significativas en mortalidad global (29 Vs. 15 %; p<0,001), mortalidad por causa infecciosa (25 % Vs. 9 %; p<0,001) y promedio de estancia hospitalaria (45 Vs.21 días; p<0,001), con tendencia a disminuir nuevas hospitalizaciones en 30 días por patología infecciosa (14 Vs.10 %; p=0,085). Conclusiones. El desarrollo del programa de gestión de antibióticos se asoció con a una disminución en la mortalidad global, la mortalidad por causa infecciosa y la estancia hospitalaria. Esto demuestra la importancia de desarrollar intervenciones dirigidas a mitigar el impacto de la prescripción inadecuada de antibióticos.

Premio de Investigación SCHOT 2020: desarrollo y validación de un modelo multivariables de predicción de estadía hospitalaria en pacientes mayores de 65 años sometidos artroplastia total de cadera electiva en Chile utilizando aprendizaje de máquinas / 2020 SCHOT Research award: Development an a multivariable prediction model of hospital stay in elderly chilean patients undergoing elective total hip arthroplasty using machine learning

INTRODUCCIÓN La predicción de la estadía hospitalaria luego de una artroplastia total de cadera (ATC) electiva es crucial en la evaluación perioperatoria de los pacientes, con un rol determinante desde el punto de vista operacional y económico. Internacionalmente, se han empleado macrodatos (big data, en inglés) e inteligencia artificial para llevar a cabo evaluaciones pronósticas de este tipo. El objetivo del presente estudio es desarrollar y validar, con el empleo del aprendizaje de máquinas (machine learning, en inglés), una herramienta capaz de predecir la estadía hospitalaria de pacientes chilenos mayores de 65 años sometidos a ATC por artrosis. MATERIALES Y MÉTODOS Empleando los registros electrónicos de egresos hospitalarios anonimizados del Departamento de Estadísticas e Información de Salud (DEIS), se obtuvieron los datos de 8.970 egresos hospitalarios de pacientes sometidos a ATC por artrosis entre los años 2016 y 2018. En total, 15 variables disponibles en el DEIS, además del porcentaje de pobreza de la comuna de origen del paciente, fueron incluidos para predecir la probabilidad de que un paciente presentara una estadía acortada (< 3 días) o prolongada (> 3 días) luego de la cirugía. Utilizando técnicas de aprendizaje de máquinas, 8 algoritmos de predicción fueron entrenados con el 80% de la muestra. El 20% restante se empleó para validar las capacidades predictivas de los modelos creados a partir de los algoritmos. La métrica de optimización se evaluó y ordenó en un ranking utilizando el área bajo la curva de característica operativa del receptor (area under the receiver operating characteristic curve, AUC-ROC, en inglés), que corresponde a cuan bien un modelo puede distinguir entre dos grupos. RESULTADOS El algoritmo XGBoost obtuvo el mejor desempeño, con una AUC-ROC promedio de 0,86 (desviación estándar [DE]: 0,0087). En segundo lugar, observamos que el algoritmo lineal de máquina de vector de soporte (support vector machine, SVM, en inglés) obtuvo una AUC-ROC de 0,85 (DE: 0,0086). La importancia relativa de las variables explicativas demostró que la región de residencia, el servicio de salud, el establecimiento de salud donde se operó el paciente, y la modalidad de atención son las variables que más determinan el tiempo de estadía de un paciente. DISCUSIÓN El presente estudio desarrolló algoritmos de aprendizaje de máquinas basados en macrodatos chilenos de libre acceso, y logró desarrollar y validar una herramienta que demuestra una adecuada capacidad discriminatoria para predecir la probabilidad de estadía hospitalaria acortada versus prolongada en adultos mayores sometidos a ATC por artrosis. CONCLUSIÓN Los algoritmos creados a traves del empleo del aprendizaje de máquinas permiten predecir la estadía hospitalaria en pacientes chilenos operado de artroplastia total de cadera electiva

Introduction The prediction of the length of hospital stay after elective total hip arthroplasty (THA) is crucial in the perioperative evaluation of the patients, and it plays a decisive role from the operational and economic point of view. Internationally, big data and artificial intelligence have been used to perform prognostic evaluations of this type. The present study aims to develop and validate, through the use of artificial intelligence (machine learning), a tool capable of predicting the hospital stay of patients over 65 years of age undergoing THA for osteoarthritis. Material and Methods Using the electronic records of hospital discharges de-identified from the Department of Health Statistics and Information (Departamento de Estadísticas e Información de Salud, DEIS, in Spanish), the data of 8,970 hospital discharges of patients who had undergone THA for osteoarthritis between 2016 and 2018 were obtained. A total of 15 variables available in the DEIS registry, in addition to the poverty rate in the patient's borough of origin were included to predict the probability that a patient would have a shortened (< 3 days) or prolonged (> 3 days) stay after surgery. By using machine learning techniques, 8 prediction algorithms were trained with 80% of the sample. The remaining 20% was used to validate the predictive capabilities of the models created from the algorithms. The optimization metric was evaluated and ranked using the area under the receiver operating characteristic curve (AUC-ROC), which corresponds to how well a model can distinguish between two groups. Results The XGBoost algorithm had the best performance, with an average AUC-ROC of 0.86 (standard deviation [SD]: 0.0087). Secondly, we observed that the linear support vector machine (SVM) algorithm obtained an AUC-ROC of 0.85 (SD: 0.0086). The relative importance of the explanatory variables showed that the region of residence, the administrative health service, the hospital where the patient was operated on, and the care modality are the variables that most determine the length of stay. Discussion The present study developed machine learning algorithms based on freeaccess Chilean big data, which helped create and validate a tool that demonstrates an adequate discriminatory capacity to predict shortened versus prolonged hospital stay in elderly patients undergoing elective THA. Conclusion The algorithms created through the use of machine learning allow to predict the hospital stay in Chilean patients undergoing elective total hip arthroplasty Introduction The prediction of the length of hospital stay after elective total hip arthroplasty (THA) is crucial in the perioperative evaluation of the patients, and it plays a decisive role from the operational and economic point of view. Internationally, big data and artificial intelligence have been used to perform prognostic evaluations of this type. The present study aims to develop and validate, through the use of artificial intelligence (machine learning), a tool capable of predicting the hospital stay of patients over 65 years of age undergoing THA for osteoarthritis. Material and Methods Using the electronic records of hospital discharges de-identified from the Department of Health Statistics and Information (Departamento de Estadísticas e Información de Salud, DEIS, in Spanish), the data of 8,970 hospital discharges of patients who had undergone THA for osteoarthritis between 2016 and 2018 were obtained. A total of 15 variables available in the DEIS registry, in addition to the poverty rate in the patient's borough of origin were included to predict the probability that a patient would have a shortened (< 3 days) or prolonged (> 3 days) stay after surgery. By using machine learning techniques, 8 prediction algorithms were trained with 80% of the sample. The remaining 20% was used to validate the predictive capabilities of the models created from the algorithms. The optimization metric was evaluated and ranked using the area under the receiver operating characteristic curve (AUC-ROC), which corresponds to how well a model can distinguish between two groups. Results The XGBoost algorithm had the best performance, with an average AUC-ROC of 0.86 (standard deviation [SD]: 0.0087). Secondly, we observed that the linear

Atención integral al paciente geriátrico con fractura de cadera / Comprehensive care of the geriatric patient with hip fracture

En Pinar del Río para reducir la mortalidad geriátrica y elevar la expectativa de vida se creó en el mes de mayo de 1999 una Sala de Referencia Provincial para pacientes geriátricos afectados de fractura de la cadera en el Hospital Provincial Docente Clinicoquirúrgico ôLeón Cuervo Rubioö, con un modelo original de atención integral y dinámica que aplica conceptos actuales en cuanto a la valoración funcional del anciano, profilaxis antibiótica y trombosis venosa profunda, movilización precoz e incorporación a su medio habitual, así como el grado de satisfacción. Se hizo un estudio en el primer año de constituida hasta el mes de abril del 2000, que incluyó 250 pacientes atendidos y se exponen los resultados alcanzados, tanto asistenciales como económicos. Se utilizaron los insumos y materiales con que normalmente cuenta la institución, sin otra inversión económica. Fue la única sala con estas características en el país en esta etapa

Terapia triple con lansoprazol, amoxicilina y claritromicina durante 10 dias (LAC-10) erradica Helicobacter pylori / Triple therapy with lansoprazole, amoxicilin and clarotomycin for H. Pylori in Colombia

Se detectó la presencia de autoanticuerpos contra la mucosa gástrica en pacientes con enfermedad gastroduodenal e infectados con Helicobacter pylori. Métodos: se estudiaron 39 pacientes, se tomaron biopsias gástricas y suero. Los anticuerpos IgG anti H. pylori se detectaron por la técnica de ELISA. Para la detección de anticuerpos antigástricos se utilizaron técnicas de inmunohistoquímica. Resultados: se detectó la bacteria en el 97,5 por ciento de los casos. Los anticuerpos contra la mucosa gástrica se encontraron en el 12,8 por ciento de los pacientes. Se hallaron dos patrones: a) autoanticuerpos contras las células parietales, b) autoanticuerpos contra la membrana apical del epitelio glandular. Conclusión: se evidenció la presencia de autoanticuerpos contra la mucosa gástrica en pacientes con enfermedad gastroduodenal, infectados con Helicobacter pylori. La presencia de autoanticuerpos puede estar involucrada en el desarrollo de la in.amación y posterior atro.a de la mucosa

Utilidad de la morfina intratecal como analgesia postoperatoria de la cirugía cardíaca / Usefulnes of intrathecal morphine as postoperative analgesia of the heart surgery

El dolor en el período postoperatorio inmediato de la cirugía cardíaca con Circulación Extra Corpórea (CEC) produce un aumento de la descarga de catecolamina. Este estrés trae asociado un aumento de los determinantes del consumo de oxígeno miocárdico, los que están directamente relacionados con episodios de isquemias y sus graves consecuencias. El tratamiento del dolor postoperatorio, por lo tanto, podría reducir la respuesta al estrés y por ende el requerimiento de drogas necesarias para contrarrestar el aumento de catecolaminas circulantez. El diseño del estudio fue prospectivo, realizado en dos grupos de pacientes que recibieron en forma aleatoria y ciega, 6 µg/kg morfina por vía intratecal (MIT) o suero fisiológico por la misma vía (placebo). A cada paciente en ambos grupos se le conectó una Bomba de infusión con Morfina endovenosa (EV), la que fue manejada por éste según el nivel de dolor presentado (analgesia controlada po el paciente: PCA). El objetivo del estudio fue evaluar la utilidad de MIT como técnica analgésica y bloqueo de la respuesta al estrés, medido indirectamente a través de los requerimientos de drogas vasoactivas en el postoperatorio inmediato de la cirugía cardíaca con CEC. Encontramos que los pacientes del grupo en estudio requirieron significativamente un menor uso de la bomba PCA que el grupo placebo, reflejando un mayor control del dolor con MIT. Se encontró diferencia en la administración de Epinefrina, siendo esta mayor en los pacientes que recibieron MIT. No hubo diferencias en los requerimientos de otras drogas aminérgicas, vasodilatadoras y betabloqueadoras lo que orienta a que MIT en esta dosis no modifica la respuesta al estrés

Prevalencia de la esteatohepatitis no alcohólica (EHNA): estudio comparativo con diabéticos / Prevalence of non-alcoholic steatohepatitis: comparative study of patients with diabetes

Antecedentes: la esteatohepatitis no alcohólica es una enfermedad poco conocida, cursa casi asintomática, con cambios mínimos en las pruebas de funcionamiento hepático (PFH); predomina en mujeres obesas con diabetes, con alcoholismo negativo; sin embargo sus biopsias hepáticas muestran daño similar a la enfermedad hepática por alcohol. Puede evolucionar a cirrosis. Objetivo: conocer la prevalencia de la EHNA en derechohabientes del IMSS en Pachuca Hidalgo, México. Método: se estudiaron voluntarios de cada sexo, entre 17 y 75 años, sin hepatopatía conocida, ni consumo de alcohol mayor de 20 g/semana. Se les practicó revisión clínica, exámenes de laboratorio y ultrasonido hepático, a aquellos que mostraron cambios en las PFH y en el ultrasonido se les propuso la biopsia hepática. Resultados: completaron el estudio 97 voluntarios, 70 de ellos no-diabéticos y 27 diabéticos. Se indicó la biopsia en 15 casos, y se confirmó EHNA en 10 (10.3 por ciento); la prevalencia en diabéticos fue de 18.5 por ciento y en no-diabéticos de 7.1 por ciento. Aunque encontramos diferencias en género, edad, y diabetes entre los enfermos con EHNA y los controles, en ningún caso se obtuvo significancia estadística; sin embargo, el sexo femenino y la diabetes se identificaron como factores de riesgo para EHNA. El antecedente de colelitiasis, fue notablemente más frecuente en el grupo de EHNA (p= 0.003). Conclusiones: la prevalencia de EHNA fue 10.3 por ciento en el grupo estudiado, es más frecuente en diabéticos y en mujeres. La obesidad no mostró ser un factor de riesgo adicional a la diabetes.